KÄYPI – Käynnissäpidon uusimmat teknologiat ja niiden edistävä vaikutus vähähiilisyyteen

Hankkeessa toteutetaan erilaisia käynnissäpitoa hyödyntäviä ja tukevia teknologiademonstraatioita. Osa demonstraatioista toteutetaan hankekumppaneiden laboratoriossa ja mahdollisuuksien mukaan teknologioita demonstroidaan yrityksien tiloissa oikeissa käyttöympäristöissä.

3D-syvyyskameran hyödyntäminen

Laitteistojen käytön ja kunnossapidon suunnittelussa ja koulutuksessa on tärkeää tutustua laitteistoihin. Perinteinen laitteen ääressä tehtävä koulutus vie resursseja sekä on ollut erityisesti nyt korona-aikana hankala toteuttaa. 3D-syvyyskameralla on helppo toteuttaa näyttäviä, selainpohjaisia 3D-ympäristöjä. Nämä ympäristöt ovat käytettävissä tietokoneella tai älylaitteilla mahdollistaen tehokkaan koulutusympäristön. Näihin ympäristöihin voidaan lisätä käyttö- ja turvallisuusohjeita tai esimerkiksi kunnossapitoon liittyviä ohjeistuksia sekä videoita.

Dronet

Hankkeessa on testattu droonien käyttömahdollisuuksia kunnossapidon mittauksissa. Käyttökohteita kartoitetaan edelleen.

Jatkuvat värähtelymittaukset

KÄYPI-hankkeessa on testattu Distence Oy:n Condence-mittausjärjestelmän käyttöä erilaisten koelaitteen mekaanisten vikojen diagnostiikassa. Mittausjärjestelmä mahdollistaa monikanavaiset värähtely- ja muut mittaukset, tiedon käsittelyn ja analysoinnin hyödyntäen pilvi- ja reunalaskentaa tarpeen mukaan.

Testimittauksissa neljällä kiihtyvyysanturilla määrävälein mitatuista värähtelysignaaleista lasketut tunnusluvut sekä raakadatanäytteet siirrettiin langattomasti pilvipalveluun, jonka kautta mittaustuloksia voi tarkastella ja analysoida. Mittausjärjestelmä mahdollistaa tavanomaisten värähtelysuureiden tunnuslukujen lisäksi myös muun muassa kiihtyvyyttä korkeampiasteisten värähtelysignaalien tunnuslukujen trendiseurannan. Tämä voi monessa tilanteessa tarjota mahdollisuuden havaita koneen osien vikoja tavanomaista aikaisemmassa vaiheessa.

Kunnonvalvonta ja MEMS

Yhteistyössä Asensiot Oy:n kanssa selvitettiin erään MEMS-anturityypin suorituskykyä värähtelymittauksissa. Testeissä kokeiltiin muutamaa eri testianturiyksilöä, joissa käytettävä MEMS-siru on STMicroelectronics:in valmistama malli IIS3DWB.

Tulokset olivat lähes anturisirun datalehdeltä saadun tiedon mukaisia, kun kyseiset anturisirut oli testiä varten kiinnitetty pelkkää piirilevyä jäykempään ja painavampaan alustaan. Anturin nk. kolmen desibelin alue päättyy datalehden mukaan noin 5-6 kHz kohdalle ja testiemme perusteella tämä piste oli hiukan tätä alempana, mutta tämä poikkeama saattaa johtua muusta mekaanista rakenteesta kuin itse MEMS-sirusta. Vaikka kokeiluissamme ei selvitettykään anturin vaihevastetta, eikä sirun kolmesta mittaussuunnasta testattu kuin yhtä, testien perusteella voisi kuitenkin arvioida anturisirun olevan hyvin riittävä melko moniin tarpeisiin myös teollisuuden värähtelymittauksia ajatellen. Anturisignaalin kohinaisuuskin oli testatuissa antureissa kohtalaisen vähäistä, vaikkakin pietsosähköisiä antureita suurempaa. Voidaan myös todeta, että useat varsin edullisetkin pietsosähköiset anturit ovat amplitudivasteeltaan tässä testattuja antureita parempia. Kenties tätä mielenkiintoisempi huomio on kuitenkin se, että toisaalta kokeiluistamme saamamme käsityksen mukaan tällainen edullisemman hintaluokan anturikin voi oikein koteloituna olla riittävä moniin käyttötarkoituksiin kunnonvalvonnassa.

Tarkempi kuvaus teknologiaselvityksestä: https://kaypi.sytes.net/index.php/2021/02/19/kunnonvalvonta-ja-mems/

Liikkeenvahvistuskuvantaminen

Hankkeessa on testattu liikkeenvahvistukuvantamista käyttäen kuvantamisessa iPhonea. Videon prosessoinnissa käytettiin Oh et al. kehittämää algoritmia: Oh, T.H., Jaroensri, R., Kim, C., Elgharib, M., Durand, F.E., Freeman, W.T. and Matusik, W., 2018. Learning-based video motion magnification. In Proceedings of the European Conference on Computer Vision (ECCV) (pp. 633-648).

Mindsphere

Laitteista syntyvän tiedon kerääminen ja seuranta ovat tärkeä osa käynnissäpitoa. Centrian kunnossapidon laboratorioon on hankittu Siemensin MindConnect Nano, joka toimii tiedonkeruualustana. Siihen voidaan yhdistää esim. automaatiolaitteita. Kytketyistä laitteista kerätty tieto lähetetään Siemensin MindSphere-pilvipalveluun. Pilvessä tietoa voidaan tarkastella ja luoda siitä erilaisia näkymiä.

MindSphere on Siemensin avoin pilvipohjainen IoT-alusta, joka yhdistää fyysiset laitteet digitaaliseen maailmaan. Koneet ja järjestelmät sisältävät valtavasti dataa ja MindSphere on IoT-alusta, jonka avulla tämä data saadaan hyödynnettyä. Sen avulla voidaan yhdistää koneet ja fyysinen infrastruktuuri turvallisesti pilveen. MindSpheressä analysoitu data voidaan takaisinkytkeä tuotteen tai tuotannon digitaaliseen kaksoseen, näin simulointiin ja mallinnukseen voidaan käyttää laitteistosta kerättyä dataa. MindSpheren avulla on mahdollista optimoida tuotantoa, vähentää suunnittelemattomia pysähdyksia ja saada käytettävyys huippuunsa. Alusta on avoin, mikä mahdollistaa sovellusten kehittämisen ja uusimpien teknologioiden tehokkaan hyödyntämisen ketterän ekosysteemin kautta. MindSphereä on mahdollista testata englanninkielisellä MindSphere Live Demo -sivustolla. MindSphere tarjoaa skaalautuvan pilvipohjaisen Platform as a Service -palvelun (PaaS), joka sopii uusien sovellusten kehittämiseen. MindSphere on suunniteltu avoimeksi käyttöjärjestelmäksi, jolloin koneiden yhdistäminen ja datan kerääminen on tehty mahdollisimman helpoksi tietoturvaa unohtamatta.

Laboratorioon asennettu on kuvan 1 mukainen laitteisto, joka simuloi auton paikkatietoa sekä ympäristön lämpötilaa. Raspberry Pi toimii serverinä, joka lähettää tietoa MindConnect nanolle ja siitä tieto kulkee Mindsphere pilvipalveluun. Laitteet on yhdistetty kytkimen avulla toisiinsa. Kerättyä tietoa voidaan tutkia Mindspheressä Asset manager toiminnon kautta (Kuva 2).

Hankkeessa MindSphereen on rakennettu sovellus, jonka avulla tiedot saa näkyviin nopeasti ja helposti. Sovellus on tehty käyttämällä Mendix-ohjelmistoa. Sovellukseen luotiin kaksi eri näkymää kunnossapidolle ja johtajalle. Näin voidaan esittää käyttäjän tarvitsemat tiedot ilman ylimääräisiä tietoja. Kuvassa 3 näkyy kunnossapidolle räätälöity näkymä.

Mobiilirobotit

Hankkeessa on testattu Omron LD-250 ja Unitree A1-mobiilirobotteja. Molemma robotit on hankittu Centrian Digitaalinen tehdasinfrastruktuuri investointihankkeessa. Erilaisille mobiiliroboteille kartoitetaan käyttö- ja sovelluskohteita edelleen.

Lisäksi, hankkeessa hyödynnetään ketterää ja pienikokoista WiFiBot-robottia. Wifibot voi toimia mobiilialustana sensoreille. Wifibot kykenee liikkumaan autonomisesti sisä- ja ulkotiloissa suorittaen samalla haluttuja mittauksia. Käypi-hankkeessa Wifibottia on tarkoitus hyödyntää esimerkiksi sähkömagneettisten häiriöiden kartoituksissa sekä melu-mittauksissa. Autonomisen toiminnan lisäksi, ohjaaminen matkapuhelimen tai tietokoneen kautta etänä on mahdollista tarpeen niin vaatiessa. Robotin teknologiademonstraatio valmistuu vuoden 2022 aikana.

OPC UA

OPC on Microsoftin aikoinaan lanseeraama teollisuusautomaation protokolla. Protokolla perustuu yleisiin tietoliikennestandardeihin ja on yleistynyt laitevalmistajien keskuudessa protokollaksi, joka tarjoaa eri valmistajien laitteille yhteisen kielen. OPC UA tulee toimimaan myös Centrian uuden Robo3D-laboratorion laitteiden yhdistävänä tekijänä mahdollistaen ohjelmoitavien logiikoiden, robottien sekä sensoreiden välisen kommunikoinnin.

Quuppa sisätilapaikannus

Hankkeessa on testattu Quuppa Oy:n sisätilapaikannusjärjestelmää Centrian Robo3D Lab:ssa droonien ja mobiilirobottien paikannuksessa. Järjestelmä mahdollistaa kohteen seuraamisen kolmessa ulottuvuudessa.

RealWear

yyppiset laitteet ja sovellukset ovat kehityksessä siinä vaiheessa, että niille on jo toimivia käyttökohteita maailmalla. Laitteisiin ladataan tarvittava huoltoohje materiaali tms. ja käyttäjä voi selata laitteen äänikomennoilla valikoita, joista saa näkymään tarvitsemansa ohjemateriaalin. Materiaali voi olla myös laiteanimaatioita, tai videomateriaalia kustakin huollettavasta järjestelmän osasta. 

Ultraäänikameran hyödyntäminen vuotojen etsinnässä

Vuotavat paineilmalaitteet ja -linjastot ovat merkittävä kustannus yrityksille. Ultraäänikameralla on mahdollista paikallistaa vuodot ilman, että tehtaan muita prosesseja ajetaan alas. Kamera mahdollistaa havainnollisen vuotopaikkojen dokumentoinnin kuvien avulla.

VR-ympäristön hyödyntäminen

3D-ympäristön käyttökokemusta voidaan syventää käyttämällä hyväksi AR- ja VR-teknologioita. Ympäristössä voidaan hyödyntää 3D-mallinettua tai skannattua dataa ja tätä kautta lisätä aktiviteetteja, kuten laitteiden rakenteiden tutkimista räjäyttämällä laite pienempiin osiin tai kokoamalla se ohjaimia apuna käyttäen. 

Värähtelymittareiden vertailu ja kehitys

Hankkeessa on selvitetty kolmen eri hintaluokan (2500 € vs. 500 € vs. 50 €) värähtelymittauslaitteiden ominaisuuksia ja vertailtu niiden käyttöä. Hyvin edullisiin, muutaman kymmenen euron laiteratkaisuihin liittyy monia haasteita, joihin on etsitty ratkaisuja. Myös edullisilla mittalaitteilla on mahdollista saada toteutettua laadukasta ja vertailukelpoista tiedonkeruuta hyvissä olosuhteissa.

Hankkeessa toteutetaan erilaisia käynnissäpitoa hyödyntäviä ja tukevia teknologiademonstraatioita. Osa demonstraatioista toteutetaan hankekumppaneiden laboratoriossa ja mahdollisuuksien mukaan teknologioita demonstroidaan yrityksien tiloissa oikeissa käyttöympäristöissä. Hankkeen yritysdemonstraatiot:

Aimo Kortteen Konepaja Oy

Aimo Kortteen Konepaja Oy:lle on demonstroitu RealWear HTM1-älylaseja, joita voidaan hyödyntää osana laitteiden käyttöönottoa ja käynnissäpitoa. Tämä teknologiademonstraatio tukee suoraan vähähiilisyyden tavoitteita vähentämällä matkustamistarvetta käyttöönottoon ja etähuoltoon liittyen. Demonstraatiota on toteutettu yhteistyössä Augumenta Oy:n kanssa. 

APL Systems Oy

APL Systems Oy on audiosignaaliin perustuvien kunnossapitomittalaitteiden valmistaja. KÄYPI-hankkeessa on testattu AuresSound-mittalaitetta Centrian Chemplant kemian koetehtaassa. 

Boliden Kokkola

Bolidenille luotiin elektrolyysiprosessin sähköinen simulaatiomalli, jolla voidaan simuloida ja testata esimerkiksi erilaisia maasulkutilanteita ja erotustilanteita. Mallia voidaan hyödyntää koulutuskäytössä ja testauksessa. Lisäksi, sitä voidaan soveltaa digitaalisena kaksosena pienin muutoksin.

Fennovoima

Fennovoimalle on rakenteilla VR-koulutusdemonstraatio, jossa käynnissäpidon toimintoja voidaan opetella turvallisesti virtuaalitodellisuuden avulla.

Häggblom Oy

Häggblom Oy:lle on demonstroitu RFID:n tarjoamia mahdollisuuksia kaivinkoneiden kunnossapitoon liittyen. RFID-mittauksiin liittyen testattiin signaalin etenemistä (dBµv/m) käyttäen aktiivista RFID tagia testikappaleiden sisällä. Mittaukset toteutettiin testikappaleen sisään sijoitettujen absorptiolevyjen kanssa ja ilman. Absorptiolevyt mahdollistivat enemmän suuntaavaan säteilykuvion. 

Kontiotuote Oy

Kontiotuote Oy:lle on demonstroitu puun visuaalista laaduttamista perustuen konenäköön ja koneoppimiseen. Järjestelmän avulla on mahdollista tunnistaa automaattisesti erilaisia hirsien laatuvirheitä. Järjestelmässä käytettiin SICK Ranger-E55434 RGB-D viivakameraa, jota kontrolloitiin kuljetinhihnan nopeutta mittaavan pulssianturin ja kappaleen lähestymisanturin avulla. Laatuvirheiden tunnistamisessa käytettiin konvoluutioneuroverkkoa perustuen YOLO v4-arkkitehtuuriin, jonka avulla tunnistettiin 12 erilaista laatuun liittyvää ominaisuutta kuten oksat, vajaasärmä, pihka, mekaaninen vaurio, halkeama ja sinistymä.